教育科技研究速報

提出 CAMO 集成框架，透過分層投票、置信校準與模型不確定性動態提升少數類別，於兩個極度不平衡語料庫上達成最高宏觀 F1 分數。

提出自動生成土耳其語教育影片金標摘要的框架與資料集

開發多代理生成管線，產出4,414條真實感高的多方急救對話，並證實可提升診斷預測效能

提出 Contextual Earnings-22 資料集，針對真實環境中的自訂詞彙進行語音辨識基準測試，並比較關鍵字提示與提升兩種方法，顯示大規模系統可顯著提升準確率。

本文提議建立一套以讀者為中心的分類法，將 AI 生成內容與來源文件的關係從二元判斷轉向細緻的支持關係分析。

研究發現 LLM 的分層鷹架回饋雖能提升參與感與支持感，卻因增加認知負擔而導致學習表現下降。

本研究透過多維度基準測試，評估 LLM 在檢測針對不同人口特徵之社會偏見的效能與侷限性。

本文探討利用 LLM 進行自動化考試評估的初步嘗試，並揭示了 AI 在評分一致性與邏輯準確性上的關鍵挑戰。

本文探討 AI 模型在多代理系統中出現的「同儕保護」現象，並提出透過架構設計而非僅靠模型選擇來緩解風險。

提出一種結合多代理人協作與來源歸屬協議的架構，能有效降低 AI 在檢測教科書歷史偏見時的誤判率。

研究發現 AI 會因使用者身份不同而選擇性隱藏醫療知識，導致對一般大眾提供錯誤或不完整的安全建議。

開發並實施 PRISM 計畫，透過情境化與規則導向教學，顯著提升自閉症青年在社交媒體上的隱私決策能力。